遥感图像自动道路提取方法综述

自动道路提取是遥感图像识别的重要研究领域. 实现自动化、智能化、可靠准确的图像道路提取对地理信息技术发展具有重要的应用价值和意义. 道路的物理属性和功能形成了道路的辐射特征、几何特征、拓扑特征和背景特征. 以该四类特征为线索, 介绍了自动道路提取的典型方法, 侧重于分析四类特征在道路提取中作用和应用方式. 简要介绍了自动道路提取的评估方法和准则, 列举了主流的道路提取软件和遥感图像片源, 展望了该领域的发展方向.     

基于高分辨率SAR图像的道路自动提取

在传统算法的基础上,用多条件加权法进行道路边缘点的判断,充分利用道路的物理特性,将道路边缘点像素上下文特性作为判断的条件,以实现道路边缘线段的识别。桥接模式的思想是根据道路边缘线平行且宽度一定的特性,通过算法找出两条边缘线段之间的对应点,连接对应点以实现道路提取。经实验测试,该算法能消除地物间的影响和噪声干扰,有效地提高了道路提取的精度和速率。     

遥感图像中的道路提取

道路撮是遥感图像中信息提取的一个研究热点，不仅具有理论价值也具有很广阔的应用前景，道路与人们生活休戚相关，而手工提取的方法远远不能满足地理信息系统（GIS）数据获取与更新的需要，因此从遥感图像自动提取道路的研究就显得尤为迫切。     

航空遥感图象中道路的自动提取方法

基于航空遥感图象的道路自动检测与识别是数字城市、道路监控等领域非常重要的课题;其检测方法经改进可用于跑道识别,为飞机自动降落提供必要的跑道信息。该文以传统道路提取方法为基础进行改进,提出一种道路自动提取方法,该方法包括以下几步:首先,利用微分几何方法对图象进行线特征强化处理;接着,进行线段提取,将传统方法中需要分步实现的线特征抽取和线段连接同步完成,同时对连接判定阈值的设置进行了一些讨论,提出了自动设置阈值的方法;最后,根据道路的拓扑性质进行线段的聚合分类。实验结果表明,该方法能准确有效地提取出道路。     

SAR图像自动道路提取

提出了一种新的快速有效的低分辨率SAR图像自动道路提取算法。算法使用道路特征检测算子检测道路边缘,利用一系列模板进行边缘像素的标定和短线段的连接,最后使用动态规划技术进行道路曲线段的连接。使用低分辨RadarSat SAR图像进行实验,实验结果证明了该算法的有效性。     

一种高分辨率遥感图像中居民区道路提取方法

针对在遥感图像中提取居民区道路易受房屋等人工建筑干扰的问题,基于数学形态学提出了一种可以去除大量建筑物干扰,从而有效提取出居民区道路的算法.算法首先用顶帽变换和底帽变换对灰度图像进行了对比度争强,然后利用道路和建筑物之间的形态梯度以及道路特征对道路和建筑物进行分离,最后利用形态重建的方法得到了居民区道路网.仿真实验表明,区域中的大部分建筑物噪声被成功去除,算法是有效和可行的.     

基于遗传算法的SAR图像自动道路提取

为了有效地进行SAR图像道路目标自动提取,提出了一种基于遗传算法的SAR图像道路目标自动提取方法。该方法首先通过Frost滤波器去相干斑;然后利用乘性Duda线特征检测算子进行线特征检测,接着利用Radon变换进行线基元提取,再利用遗传算法进行线基元连接;最后利用蛇模型调整道路位置并进行道路鉴别。在星载和机载SAR图像上进行的实验以及性能定量评估结果证明了该方法的有效性。     

特征融合的多时相遥感图像道路提取方法

为了提高单时相遥感图像道路提取的准确度，提出一种基于特征融合的道路提取方法。首先，提取已配准好的多时相SPOT图像直线段特征和角点特征，然后，对得到的特征进行融合判断，从特征融合结果中提取近似平行线，最后进行道路拟合。本文对相位编组道路段提取方法进行了改进，引入基于灰度SUSAN的角点特征信息，提高了道路段提取的准确性。文章最后给出了实验结果。     

滤波器组实现SAR图像中主要道路提取

合成孔径雷达(SAR)图像中道路目标自动提取既是当前遥感技术应用中的热点又是急待解决的难点.着眼SAR图像中道路目标的自动提取,在分析SAR图像特征的基础上,绕开常见的利用边缘检测算子提取图像中道路线段的作法,通过适当选择滤波窗口在去噪的同时尽量保持道路边缘,再通过二次二维方向性滤波、去枝滤波准确高效地提取了SAR图像中的道路目标.实验证明该方法在提取SAR图像中主要道路目标时几乎不需要调整参数,人工干预少,自动化程度高.     

航空遥感图像中道路检测方法研究与仿真

研究航空遥感图像中道路准确检测的问题.航空遥感图像中,道路是一类复杂目标.道路目标不同于一般刚体,它难以用固定的参数描述,只能用一些抽象的语句来描述.传统的检测算法多是对一些固定的识别目标完成描述,用道路图像非固定特征参数来完成大量复杂道路目标的检测是非常困难的.提出了一种基于主元分析算法的航空遥感图像中道路检测方法.利用LBP方法进行特征提取,从而获取航空遥感图像中的道路特征,为航空遥感图像道路检测提供准确的数据基础.利用主元分析方法对所有的像素进行重新排列,通过二进制方法描述获取的对比结果,提取动态特征.实验结果表明,算法极大地提高了检测的准确性,使获取的结果与实际道路情况相符.     

Automatic Road Extraction from Aerial Images

The paper presents a knowledge-based method for automatic road extraction from aerial photography and high-resolution remotely sensed images. The method is based on Marr's theory of vision, which consists of low-level image processing for edge detection and linking, mid-level processing for the formation of road structure, and high-level processing for the recognition of roads. It uses a combined control strategy in which hypotheses are generated in a bottom-up mode and a top-down process is applied to predict the missing road segments. To describe road structures a generalized antiparallel pair is proposed. The hypotheses of road segments are generated based on the knowledge of their geometric and radiometric properties, which are expressed as rules in Prolog. They are verified using part–whole relationships between roads in high-resolution images and roads in low-resolution images and spatial relationships between verified road segments. Some results are presented in this paper.     

一种高分辨率遥感影像道路信息提取方法

道路在国民经济建设和国防建设中发挥着重大的作用,是非常重要的基础地理信息,一直以来研究道路的自动或半自动提取都被视为热点和难点,提出的理论和方法层出不穷,但没有一种方法能推广应用。针对道路难以从高分辨率遥感影像中提取的问题,提出了一种道路提取方法,首先影像将RGB颜色空间转换成HSV颜色空间,运用改进的区域分隔算法,实现道路区域的分隔。然后利用数学形态学腐蚀、膨胀等基本运算,结合区域的形态特征(如面积、紧凑度等)实现道路与非道路信息的分离。对多幅复杂道路图像进行试验,结果表明本方法能够很好地实现从复杂环境中提取道路信息。     

高分辨率遥感影像上道路中心线的半自动提取

提出一种半自动的基于活动窗口线段特征匹配来提取高分辨率遥感影像上道路中心线的方法.通过用户在道路中心线上输入起始点,采用定义活动模板窗、阈值分割、线段特征匹配和改进的SSDA,实现了道路中心线的自动跟踪.另外,该方法还允许在跟踪过程中加入少量人工干预来处理某些匹配失败的情况,提高了实用性.对0.61m分辨率QuickBird影像和1m分辨率IKONOS影像进行道路提取的实验表明:该方法能够快速、准确地提取出主要道路的中心线,对噪声的干扰具有良好的鲁棒性.     

基于微分几何的遥感影像上线状地物提取方法

自动识别遥感影像上的目标、快速淮确地获取所需信息是遥感数据处理的主要发展方向。通过研究微分几何理论中曲面的一些基本性质，本文介绍了一种基于微分几何的线状 地物提取方法，首先在局部区域内拟合一个二次曲面函数，然后通过该函数来估算灰度曲面的梯度和曲率，设定合适的梯度和曲率阈值来检测线状地物，最后进行后处理，消除许多噪声颗粒及小块区域。实验表明，该方法对于具有一定宽度的线状地物的检测具有较好的效果。     

基于高分辨率遥感图像的道路提取研究

道路是现代交通的主要组成部分,对于管理和更新地理信息系统数据库中的道路信息非常重要.目前,自动提取道路网络的主要数据源为遥感图像数据,但随着近年来遥感影像的地面分辨率不断提高,图像中地物信息愈加丰富,对图像中道路信息的提取难度也随之增大.文章主要展开一种利用机器学习对高分辨率遥感图像的道路提取研究.首先对高分辨遥感图进...     

遥感图像道路信息提取方法研究进展

随着卫星遥感和信息提取技术的快速发展,地理信息的自动更新成为可能。道路是重要的人工地物,是地理信息数据的重要组成部分,从遥感图像上提取道路信息以更新地理信息数据库成为近年来的研究热点之一。通过总结遥感图像道路信息自动提取的发展历程,归纳了常用的道路信息提取方法,并对各个方法的特点进行了分析,在此基础上分析了遥感图像道路信息提取中的不足,最后对以后道路信息提取的研究进行了展望。     

线段提取在高分辨率遥感图像建筑物识别中的应用

提出一种基于感知组织的线段提取方法．该方法有两大特点：在基本线段提取算法中使用了模板,并且在线段合并过程中综合考虑了直线和物体的形状特点．运用该方法对高分辨率遥感图像中的建筑物进行识别,取得了良好效果。     

High-resolution Remote Sensing Image Road Extraction Method for Improving U-Net

Accurate and efficient extraction of road information based on remote sensing image is a great significance for the establishment and maintenance of basic geographic databases. Due to the complex background information of high-resolution remote sensing images, existing algorithms cannot extract road information very well. U-Net network has good experimental results in image segmentation, but the accuracy of road segmentation results is not good. For this reason, this paper proposes a high-resolution image road extraction method based on improved U-Net network. Firstly, the U-Net-based network structure is designed and implemented. The network uses VGG16 as the network coding structure, which can extract feature semantic information better. Secondly, the use of Batch Normalization and Dropout solves the phenomenon of over-fitting that occurs during the network training process. Finally, the training data is expanded by rotation and mirror transformation, and the ELU activation function is used to improve the network training speed. The experimental results show that the method can extract road information more accurately and efficiently.